-
公开(公告)号:CN106454241B
公开(公告)日:2020-02-21
申请号:CN201610893630.5
申请日:2016-10-13
Applicant: 北京师范大学
Abstract: 本发明为一种采用网格划分区域,通过分析网格内监控视频数据和社交网络数据反映的污染指数变化趋势,用来实时追溯灰霾生成直接来源的方法。该方法首先对地区进行网格化分区,同时为每个网格建立基于视频图像的无霾基准图样本库。然后通过对视频监控图像进行分析,结合无霾基准图,同时基于时间序列分析,区分雾与霾,确定当前位置监控图像灰霾指数、等级、变化趋势、变化速度。同时针对社交网络图像数据进行单图像雾霾等级分类。最后根据监控视频所在位置、灰霾指数、等级、随时间变化的趋势,结合社交网络数据获得的位置相关信息,绘制随时间变化的灰霾扩散路径,进而得到路径上的网格序列,最终确定具体污染源网格、确定污染源的责任主体。本发明可用于实时对特定区域进行灰霾生成直接来源的及时定位。本发明具有识别精度高、效率高的优点。
-
-
公开(公告)号:CN104867166A
公开(公告)日:2015-08-26
申请号:CN201510263006.2
申请日:2015-05-22
Applicant: 北京师范大学
Abstract: 本发明是一种基于稀疏字典学习的油井示功图压缩存储方法,尤其是基于字典学习的方法,目的在于解决大量抽油机井示功图数据存储问题。该方法基于历史油井示功图数据库,选取典型的油井示功图数据,通过数据预处理后组成训练样本库,采用信号稀疏领域的K-SVD算法对样本库进行训练得到稀疏字典并保存;原始示功图结合稀疏字典,通过OMP算法得到稀疏系数并保存,实现油井示功图数据压缩;稀疏系数结合稀疏字典进行示功图重构,得到原始示功图。本方法得到的字典对油井示功图的稀疏化效果更好,重构油井示功图的精度更高。本方法不需要目标的先验信息,具有广泛的应用面。
-
-
公开(公告)号:CN102044070A
公开(公告)日:2011-05-04
申请号:CN201010578402.1
申请日:2011-01-10
Applicant: 北京师范大学
IPC: G06T5/00
Abstract: 本发明提出了一种基于Retinex的非线性彩色图像增强方法。该算法首先将图像从RGB空间转换到YCbCr空间,从而避免了直接在RGB空间进行处理时易造成颜色失真的缺陷,然后采用改进的Retinex照射反射模型进行局部自适应增强,很好地保留了图像的细节信息,再利用Gamma校正做全局亮度调整,对图像的整体动态范围进行压缩,最后再将图像从YCbCr空间转换到RGB空间。实验结果没有出现颜色失真现象,在改善视觉效果的同时也增强了图像的细节信息。
-
-
-
公开(公告)号:CN111695529B
公开(公告)日:2023-04-25
申请号:CN202010544700.2
申请日:2020-06-15
Applicant: 北京师范大学
IPC: G06V20/00 , G06V10/82 , G06V10/44 , G06V10/46 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于人体骨骼关键点检测算法的X射线源检测方法,属于天体源的发现、识别技术领域,包括以下步骤:S10、基于卷积神经网络构建X射线源检测网络;X射线源检测网络包括依次设置的定位网络、局部极大值提取算法、关键点区域特征提取算法和强度预测网络;S20、使用宽视场巡天望远镜观测图像训练样本对X射线源检测网络进行训练;S30、将待识别的宽视场巡天望远镜观测图像输入训练完成的X射线源检测网络,得到待识别的宽视场巡天望远镜观测图像的流量强度预测值。本发明能够从观测图像中排除噪声提取出源的数据信息,支持延展源,具有对距离相近的源分辨能力;同时,在测试数据上定位准确率和召回率均能达到99%以上。
-
公开(公告)号:CN111695636A
公开(公告)日:2020-09-22
申请号:CN202010543653.X
申请日:2020-06-15
Applicant: 北京师范大学
Abstract: 本发明公开了一种基于图神经网络的高光谱图像分类方法,包括:S1:获取待处理区域的高光谱图像数据,对所述高光谱图像数据进行预处理;S2:对经过预处理的所述高光谱图像数据进行超像素分割,得到分割的超像素;S3:将所述超像素构建图数据,相邻超像素构建边;S4:利用图神经网络模型对所述图数据进行训练,得到分类结果;本发明提高最终分类结果的精度和效果。
-
公开(公告)号:CN101924562B
公开(公告)日:2014-04-09
申请号:CN201010208500.6
申请日:2010-06-24
Applicant: 北京师范大学
IPC: H03M7/40
Abstract: 本发明为一种基于整数小波变换和比特平面编码的曲线矢量数据无损压缩方法。本发明将整数小波变换引入矢量数据压缩算法中。因为整数小波变换可以将数据的绝大部分能量压缩到低频系数中,只有少部分在高频系数中。本发明对低频系数使用霍夫曼编码,对高频系数使用比特平面编码方案。本发明提出的比特平面编码能够实现对矢量数据的嵌入式编码。设计的比特平面编码器可以将待编码的比特流按重要性的不同进行排序,根据目标码率或失真度大小要求随时结束编码;同样,对于给定码流解码器随时结束解码,并可以得到相应码流截断处的目标码率的重建矢量曲线。实验证明本发明压缩方案实现了矢量数据的嵌入式编码,能够对矢量数据压缩后的码流进行渐进传输显示,同时达到了较高的无损压缩比。
-
-
-
-
-
-
-
-
-